Meta首席科学家杨立昆炮轰生成式AI：AI需理解物理世界才能达人类智慧

• AI科技

近日，Meta首席AI科学家杨立昆在法国巴黎的2025年人工智能行动峰会上再次对生成式AI表达了强烈质疑。他认为，若要实现AI的真正突破，仅靠文本训练是远远不够的，必须深入探索LLM（大语言模型）之外的路径。杨立昆指出，尽管现有大模型运行高效，但其推理过程存在明显缺陷——发散性推理可能导致生成的token偏离合理答案范围，这也是部分大模型产生”幻觉”的原因。他强调，虽然生成式AI已能在律师资格考试、数学问题等领域取得进展，但在家务等人类无需思考的简单任务上却表现拙劣，这恰恰说明AI与人类智慧存在本质差距。

杨立昆特别强调，生成式模型完全不适合视频制作。当前所谓能生成视频的AI，实则只是通过算法组合出看似连贯的图像，对物理世界的理解几乎为零。他提出的联合嵌入预测架构（JEPA）才是真正能理解物理世界的解决方案，这种架构能通过预测视频内容的变化来模拟真实世界的运行逻辑。在他看来，只有当AI能真正理解物理规律时，才有可能达到与人类相媲美的智慧水平。

Meta首席科学家杨立昆炮轰生成式AI：AI需理解物理世界才能达人类智慧

在峰会上，杨立昆还着重阐述了开源AI平台的重要性。他认为，未来的通用虚拟助手必须能够跨越语言、文化和价值观的障碍，这样的AI系统不可能由硅谷或中国的少数公司独立完成，而需要全球科研机构以有效方式协作。他尖锐地指出，某些国家政府将开源模型发布定为非法的行为，实则是自断后路——秘密研究只会导致落后，而全球协作才是AI发展的正确方向。事实上，开源模型正以不可阻挡之势超越闭源模型，这一趋势已在全球范围内显现。

精彩观点总结如下：
1. 人类需要达到智慧水平的AI，因为无处不在的AI助手将成为人类与数字世界的桥梁
2. 仅靠文本训练无法实现AI的智慧突破，这是科学事实
3. Meta将这类高级机器智能称为”AMI”（类似法语”朋友”），而非”AGI”
4. 生成式模型在视频制作上存在根本缺陷，无法真正理解物理世界
5. 学术界应放弃LLM研究，转向更具探索价值的领域
6. 开源AI平台是构建通用虚拟助手的必要条件
7. 开源模型正在超越闭源模型，地缘政治竞争只会加速这一进程

Meta首席科学家杨立昆炮轰生成式AI：AI需理解物理世界才能达人类智慧

为什么我们需要人类智慧水平的AI
众所周知，人类对智慧型AI的需求不仅源于科学探索，更有着迫切的产品需求。未来，智能眼镜等可穿戴设备将成为我们随时访问AI助手的入口，人类与AI的互动将无处不在。我们需要智慧型AI，因为我们习惯与人交流，期待出现能理解人类智慧的AI系统。这些无处不在的AI助手将成为人类与数字世界的桥梁，帮助我们更顺畅地与虚拟世界互动。

然而，与人类和动物相比，当前机器学习仍存在巨大差距。我们尚未创造出具备人类学习能力、常识推理和物理世界理解能力的机器。动物和人类都能基于常识进行行动判断，这些行为本质上是由目标驱动的。但几乎所有当前AI系统都采用递归式token生成方式——将信息输入，然后让系统重现输入内容。这种因果结构虽然高效，但推理过程存在严重缺陷：每次生成token时，系统都可能偏离正确答案，甚至越走越远。这就是为什么部分大模型会产生”幻觉”的原因。

Meta首席科学家杨立昆炮轰生成式AI：AI需理解物理世界才能达人类智慧

目前AI在律师资格考试、数学证明等领域表现优异，但在家务等人类无需思考的简单任务上却困难重重。一个10岁儿童无需学习就能完成收碗筷等动作，而AI机器人却难以实现。我们认为是人类独有的语言理解、下棋、诗歌创作等能力，AI反而能轻松完成。这表明，仅靠文本训练无法实现AI的智慧突破，这是科学事实。

不是”AGI”而是”AMI”
在Meta，我们将这类能达到人类智慧水平的AI称为”高级机器智能”(AMI)，而非”通用人工智能”(AGI)。这个法语词”AMI”发音类似”朋友”，更符合我们对AI的期待。我们需要能通过感官采集信息并学习的模型，这种模型能在头脑中模拟世界运行逻辑，从视频中学习二维物理规律。具体而言，这类模型应具备持久记忆、分层规划行动和推理能力，并通过设计而非微调实现可控性和安全性。

Meta首席科学家杨立昆炮轰生成式AI：AI需理解物理世界才能达人类智慧

当前LLM的推理方式存在明显缺陷：无论问题简单复杂，系统都会花费相同计算量来回答。这种缺陷导致人们不得不通过”作弊”方式——增加token数量来提高算力消耗，从而让系统”认真思考”。而真正的推理过程应基于能量函数，通过测量观察值与输出值之间的兼容性来优化结果。当结果不符合要求时，系统会自动调整参数进行推理，问题越复杂，思考时间越长。

能量模型通过函数捕捉变量之间的依赖关系：当观测值X与输出值Y兼容时，能量函数取低值；不兼容时取高值。我们只需给定X，找到能量值最低的Y即可。世界模型则是这种架构的核心，它概括当前世界状态，并预测采取行动后的状态变化。想象一下，当你脑海中旋转一个立方体时，你能轻松想象其旋转后的样子。这就是世界模型要实现的功能——预测一系列行动的结果。

Meta首席科学家杨立昆炮轰生成式AI：AI需理解物理世界才能达人类智慧

如何让AI理解世界
早在ChatGPT爆火之前，我就撰写了关于自主机器智能的论文，阐述AI研究应关注的领域。这些观点至今未变。要让系统理解世界运行规律，最有效的方法是像训练自然语言系统那样训练视频系统——通过预测视频内容来理解世界底层结构。虽然文本预测相对简单，但视频预测面临巨大挑战：我们无法准确预测图像帧的分布，每次尝试都会遇到数学难题。

解决这一问题的方法是开发全新架构——联合嵌入预测架构（JEPA）。这种架构同时处理观察值和输出值，从而不再局限于预测像素，而是预测视频中实际发生的事情。与生成架构相比，JEPA能消除所有无法预测的细节，大大简化问题。在动作条件方面，JEPA能根据当前状态预测采取行动后的状态，实现真正的规划功能。

Meta首席科学家杨立昆炮轰生成式AI：AI需理解物理世界才能达人类智慧

近期我们对Video JEPA进行了深入研究。该模型通过提取连续视频帧，对部分帧进行屏蔽破坏，然后训练预测模块重构完整视频表征。实验证明，这种自监督学习方法能学习到可直接迁移至下游任务的深层特征。有趣的是，当视频中发生异常情况时，系统的预测误差会显著上升，这表明它已具备一定程度的常识判断能力。

我们最新的工作DINO-WM则提供了一种无需重建视觉世界即可建立视觉动态模型的新方法。通过将世界图片输入DINO编码器，再结合动作预测，就能生成视频下一帧。这种架构能实现分层规划：观察初始状态，运行世界模型，设定目标图像，然后寻找运行成本最小的动作序列。这种简单概念却效果显著，为AI理解物理世界提供了新思路。

放弃研究生成式模型
最后，我想分享几点建议：首先，放弃生成式模型研究。虽然这是目前最流行的方法，但效率低下且存在根本缺陷。其次，不要研究LLM。在学术界，与其与拥有数万个GPU的团队竞争，不如探索更具价值的领域。第三，开源AI平台是构建通用虚拟助手的必要条件。这类系统必须跨越语言、文化和价值观障碍，而任何公司都无法独立完成基础模型训练。第四，地缘政治竞争导致部分国家禁止开源模型发布，实则是自断后路——秘密研究只会导致落后。事实上，全球协作正在推动开源模型超越闭源模型，这一趋势已不可逆转。

文章网址：https://www.wpbull.com/ai/23801.html
赞 (0)
上一篇 2025年3月27日 am8:59
下一篇 2025年3月27日 am8:59

相关推荐